Les poids ouverts ne sont pas du code source, et l'écart avec les modèles fermés se réduit

Deux documents publiés à quatre jours d'intervalle en septembre décrivent le même marché depuis des angles opposés. Le rapport de Mozilla mesure la proximité entre modèles à poids ouverts et modèles fermés. L'Open Source Initiative évalue ce que ces poids permettent réellement de faire.

Les chiffres de Mozilla sont les plus citables. La version 1.1 de son rapport State of Open Source AI, publiée le 15 septembre avec des données au 1er septembre, indique que le meilleur modèle ouvert accuse un retard de trois points sur le leader fermé de l'Artificial Analysis Intelligence Index, pour 60 % du prix, selon Tom's Hardware. Face à Claude Fable 5, l'écart est de deux points à 30 % du prix. L'ajustement de Mozilla sur les données METR task-horizon situe le retard à environ 4,4 mois, en accord avec l'estimation de quatre mois d'Epoch AI.

Ce que mesure la figure de quatre mois

METR évalue un modèle selon la durée de la tâche, en temps de travail humain, qu'il parvient à accomplir la moitié du temps. Selon l'estimation de Mozilla, les modèles fermés gèrent des tâches de 8 à 12 heures pour un expert humain. Les modèles ouverts atteignent ce niveau environ quatre mois plus tard. Le calcul de Mozilla montre que la capacité ouverte double tous les 3,9 mois, contre 5,5 mois pour les modèles fermés.

Mozilla, l'organisation à but non lucratif derrière Firefox, défend les modèles ouverts. Son rapport s'appuie sur une enquête Mozilla/SlashData auprès d'environ 1 400 développeurs, les données de trafic OpenRouter et des indices de référence tiers. Tom's Hardware a noté que le 14 juillet, TIME a rapporté que le CTO de Mozilla, Raffi Krikorian, a décrit le rapport comme partiellement militant. Le rapport recense 16 publications notables, mais aucune ne fournit la recette de données requise par la définition de l'Open Source Initiative.

« Nous voyons la décision de payer pour des modèles fermés comme spécifique à la charge de travail plutôt qu'à l'organisation », a déclaré Krikorian à Ars Technica par e-mail.

Une seconde réserve se cache dans le graphique matériel du rapport. Le meilleur modèle ouvert qui tient sur un seul serveur obtient un score de 52,6. Le meilleur sur un seul GPU en obtient 40. Soit des baisses de 10 et 23 points par rapport au sommet. C'est un écart plus large que quatre mois. Le point de contrôle MXFP4 natif de Kimi K3 s'exécute sur environ 1,56 To répartis en 96 fragments. La configuration de service de Mozilla liste 64 accélérateurs ou plus, vLLM exigeant au moins huit GPU GB300. Le rapport décrit cela comme ouvert mais non exécutable par la plupart de ceux qui le détiennent. L'Inkling-Small de Thinking Machines, sous Apache 2.0, tient sur un B300 avec un plancher de 180 Go.

Les données de Mozilla s'arrêtent au 1er septembre. Les tableaux en direct ont bougé depuis. Artificial Analysis a déplacé son index vers la v4.3 avec un ensemble d'évaluation différent. Claude Fable 5.1 est à 53 sur son réglage d'effort le plus élevé, contre 44 pour Kimi K3. Le tableau Terminal-Bench 2.1 de vals.ai, mis à jour le 11 septembre, est mené par GPT-6 Astra à 87,27 %. La légende de graphique de Mozilla lit : « l'écart se réinitialise à chaque cycle de publication ».

K3 fait l'objet d'une allégation détaillée dans l'avis conjoint NSA/CISA/FBI AA26-251A du 8 septembre. Le rapport de Mozilla présente cette affirmation comme « alléguée, et non démontrée ». Elle soutient que Moonshot a extrait des données de Claude Fable 5 pour entraîner K3 par distillation, c'est-à-dire en entraînant un modèle sur les sorties d'un autre.

L'argument de licence

La publication de l'Open Source Initiative du 19 septembre prend l'angle opposé. Les poids ouverts permettent d'exercer certaines des quatre libertés logicielles, utiliser, étudier, modifier et partager, mais pas toutes, et seulement dans une certaine mesure.

Un modèle d'IA se compose de trois composants : données d'entraînement, poids et paramètres, et code pour la préparation des données et l'entraînement. Les publications à poids ouverts ne publient que le milieu. Cela permet d'exécuter un modèle localement, de payer un tiers pour l'héberger, ou de l'ajuster finement sur ses propres données. Cela ne permet pas de modifier ou d'étudier entièrement le modèle, car le code et les données d'entraînement, ou un compte détaillé de leur construction, restent privés.

L'OSI pointe Olmo de Ai2 comme contre-exemple. Olmo livre son jeu de données d'entraînement complet et ses points de contrôle de modèle. Les chercheurs pouvaient ainsi injecter de nouvelles informations dans les données d'entraînement et observer comment le modèle les mémorisait ou les oubliait. Ce type d'étude n'est possible que sous une publication open source complète, argue l'OSI.

La distinction n'est pas académique. Mozilla a compté huit des dix meilleurs modèles par volume de jetons en août sur OpenRouter comme à poids ouverts, sept d'entre eux construits en Chine. Les fournisseurs fermés ont capté 96 % des revenus de la couche modèle sur OpenRouter de mai à septembre 2025, selon la Linux Foundation. Cela suggère que les acheteurs pondèrent les charges de travail plutôt que l'idéologie.

Aucun des deux documents ne résout la question que ses auteurs ont cherché à répondre. La figure de quatre mois de Mozilla est mesurée d'API à API sur des points de terminaison hébergés au prix de liste. Sa propre légende concède que l'écart se réinitialise à chaque publication. L'argument de l'OSI concerne ce qu'une licence permet, pas ce dont un acheteur a besoin. Les deux documents montrent que « ouvert » couvre désormais une gamme d'arrangements, et que l'étiquette seule dit très peu sur le modèle sous-jacent.